À l'été 2026, les trois principaux laboratoires d'intelligence artificielle, Anthropic, OpenAI et Google DeepMind, orientent massivement leurs ressources vers les sciences de la vie. Cette convergence s'illustre par le départ de John Jumper, co-créateur d'AlphaFold et lauréat du Nobel de chimie 2024, de DeepMind vers Anthropic, ainsi que par l'entrée de Noam Shazeer, co-auteur de l'architecture Transformer, au sein d'OpenAI. Ces mouvements signalent une stratégie commune : faire de la découverte pharmaceutique et de la biologie le nouveau front prioritaire, succédant à l'ingénierie logicielle. Chaque entreprise a tracé une voie distincte. Anthropic a déployé Claude pour la santé et les sciences de la vie fin 2025 et début 2026, puis a acquis Coefficient Bio pour 400 millions de dollars en avril 2026. L'entreprise construit désormais des laboratoires expérimentaux afin d'intégrer la validation biologique directement dans ses modèles fondamentaux. OpenAI privilégie un réseau de partenariats et des outils verticaux avec le lancement de GPT-Rosalind en avril 2026, couplé à des extensions d'analyse génomique, tout en consacrant plus d'un milliard de dollars à la recherche biomédicale. Côté DeepMind, sa filiale Isomorphic Labs développe un moteur de conception de médicaments propriétaire, a levé 2,7 milliards de dollars et prévoit d'entamer ses premiers essais cliniques d'ici fin 2026. Plusieurs facteurs expliquent cette accélération. Les premiers médicaments conçus par l'IA commencent à afficher des résultats cliniques positifs, validant le potentiel théorique du domaine. Parallèlement, l'explosion des bases de données biologiques et l'avènement de l'IA autonome, capable de planifier des expériences et d'interpréter des résultats, permettent une automatisation croissante de la recherche. Les ajustements réglementaires, comme l'abandon progressif par la FDA de certaines obligations d'essais sur les animaux, ont également ouvert de nouvelles voies de validation. Malgré cet élan, le secteur fait face à des incertitudes. Les valorisations atteignent des sommets, notamment lors de rachats stratégiques, alors que les succès cliniques restent encore limités. Les modèles doivent également gérer des risques biologiques et de sécurité accrus, ce qui pousse les développeurs à intégrer des garde-fous stricts, parfois perçus comme restrictifs par la communauté scientifique. La question du rôle à long terme demeure ouverte : les laboratoires d'IA fourniront-ils des outils aux pharmaceutiques, deviendront-ils des concurrents directs, ou s'imposeront-ils comme l'infrastructure centrale de la recherche ? Au-delà de la compétition commerciale, les sciences de la vie représentent aujourd'hui le véritable test de fiabilité pour l'intelligence artificielle. Contrairement au code, où les erreurs sont facilement corrigibles, les applications en biologie exigent une validation expérimentale rigoureuse dans le monde réel. La réussite de cette transition pourrait redéfinir non seulement l'industrie pharmaceutique, mais aussi la trajectoire même du développement technologique.